在文件 linux 中查找匹配的模式

Question

我正在尝试在 2 个文件之间查找匹配的字符串。
例如：
文件 1：

A2M,0.00351888
A2M-AS1,0.00131091
A3GALT2,0.00966505
A4GALT,0.108364
AACS,0.0830823
AACSP1,0.00264056
AADACL2-AS1,0.0318584
AADACL4,0.00384096
AAED1,0.216966

文件 2：

chr1    33772366    33786699    A3GALT2 1   -
chr22   43088126    43116876    A4GALT  1   -
chr12   125549924   125627871   AACS    1   +
chr5    178191863   178203277   AACSP1  1   -
chr1    12704565    12727097    AADACL4 1   +
chr9    99403532    99417599    AAED1   1   -
chr8    117950463   117956239   AARD    1   +
chr7    121713597   121784344   AASS    1   -
chr7    48211056    48687091    ABCA13  1   +
chr1    94458393    94586705    ABCA4   1   -
chr17   66970772    67057136    ABCA9   1   -

我想提取文件 2 中第 4 列等于文件 1 中第一列的行。 我为它写了这个命令：

cat file | cut -d ',' -f1 | grep -wFf - file2 > match_file 

但是当它有另一个字符时 - 不是 [a-z] 像：APCDD1L-AS1。
它只需要 APCDD1L 并给出不正确的结果。 我读到 grep -w 仅适用于“真实”单词，所以我想这就是问题所在。
我该如何解决？ （查找整个匹配字符串）

Answer 1

使用 awk：

$ awk 'NR==FNR{a[$1];next}($4 in a)' FS="," file1 FS=" +" file2
chr1    33772366    33786699    A3GALT2 1   -
chr22   43088126    43116876    A4GALT  1   -
chr12   125549924   125627871   AACS    1   +
chr5    178191863   178203277   AACSP1  1   -
chr1    12704565    12727097    AADACL4 1   +
chr9    99403532    99417599    AAED1   1   -

我假设file2 是空格分隔的，FS=" +"。如果实际上是制表符分隔，请设置FS="\t"。

Answer 2

您的数据样本中没有任何内容表明我不能简单地 grep 任何列，因为其中只有一个包含具有该格式的字母数字字符。如果是这样的话，就可以了（与 Bash 兼容）：

#!/bin/bash

rm -f matched_output.txt
patterns=$( awk -F',' '{ print $1 }' Matching_patterns.txt )


while read pattern
do
    printf "Attempting $pattern"
    grep -F "$pattern" mytext.txt >> matched_output.txt && printf " - Success! \n" || printf " - Failed \n"

done <<< "$patterns"

输入文件

脚本运行

输出文件

希望这对您有用！问候！

Answer 3

你可以试试这个，让你避免名字中特殊符号的困扰

firsts=( `cat f1 | cut -d',' -f1` ); for lines in ${firsts[@]}; do grep "${lines}" f2 >>output; done